神奇的 SQL 之 联表细节 → MySQL JOIN 的执行过程(一)
开心一刻
我:嗨,老板娘,有冰红茶没
老板娘:有
我:多少钱一瓶
老板娘:3块
我:给我来一瓶,给,3块
老板娘:来,你的冰红茶
我:玩呐,我要冰红茶,你给我个瓶盖干哈?
老板娘:这是再来一瓶,我家卖完了,你去隔壁家换一下
问题背景
对于 mysql 的 join,不知道大家有没有去想过他的执行流程,亦或有没有怀疑过自己的理解(自信满满的自我认为!);如果大家不知道怎么检验,可以试着回答如下的问题
驱动表的选择
mysql 会如何选择驱动表,按从左至右的顺序选择第一个?
多表连接的顺序
假设我们有 3 张表:a、b、c,和如下 sql
-- 伪 sql,不能直接执行 a left join b on b.aid = a.id left join c on c.aid = a.id where a.name = '666' and b.state = 1 and c.create_time > '2019-11-22 12:12:30'
是 a 和 b 联表处理完之后的结果再和 c 进行联表处理,还是 a、b、c 一起联表之后再进行过滤处理 ,还是说这两种都不对,有其他的处理方式 ?
on、where 的生效时机
楼主无意之间逛到了一篇博文,它里面有如下介绍
正经图1 摘自 mysql - join详解
看完这个,楼主第一时间有发现新大陆的感觉,原来 join 的执行顺序是这样的(不是颠覆了楼主之前的认知,因为楼主之前就没想过这个问题,而是有种新技能获取的满足),可后面越想越不对,感觉像是学错了技能(6级没学大!)
如果两表各有几百上千万的数据,那这两张表做笛卡尔积,结果不敢想象!也就是说 正经图1 中的顺序还有待商榷,on 和 where 的生效时间也有待商榷
如果你对上述问题都了如指掌,那请你走开,别妨碍我装逼;如果你对上述问题还不是特别清楚,那么请坐好,我要开始装逼了
前提准备
正式开讲之前了,先给大家预备一些花生、瓜子和啤酒,装逼就得有装逼的氛围,不然怎么看的下去,你说是吧 ?(楼主,你个骗子,货了?)
驱动表
何谓驱动表,指多表关联查询时,第一个被处理的表,亦可称之为基表,然后再使用此表的记录去关联其他表。驱动表的选择遵循一个原则:在对最终结果集没影响的前提下,优先选择结果集最少的那张表作为驱动表。这个原则说的不好懂,结果集最少,这个也许我们能估出来,但对最终结果集不影响,这个就不好判断了,难归难,但还是有一定规律的:
left join 一般以左表为驱动表(right join一般则是右表 ),inner join 一般以结果集少的表为驱动表,如果还觉得有疑问,则可用 explain 来找驱动表,其结果的第一张表即是驱动表。
你以为 explain 就一定准吗 ? 执行计划在真正执行的时候是可能改变的! 绝大多少情况下是适用的,特别是 explain
left join 某些情况下会被查询优化器优化成 inner join;结果集指的是表中记录过滤后的结果,而不是表中的所有记录,如果无过滤条件则是表中所有记录
更多信息可查看:mysql多表连接查询的执行细节(一)
sql 执行的流程图
当我们向 mysql 发送一个请求的时候,mysql 到底做了些了什么
sql 执行路径,摘自《高性能mysql》
可以看到,执行计划是查询优化器的输出结果,执行引擎根据执行计划来查询数据
数据准备
mysql 5.7.1,innodb 引擎;建表 sql 和 数据初始 sql
-- 表创建与数据初始化 drop table if exists tbl_user; create table tbl_user ( id int(11) unsigned not null auto_increment comment '自增主键', user_name varchar(50) not null comment '用户名', sex tinyint(1) not null comment '性别, 1:男,0:女', create_time datetime not null comment '创建时间', update_time datetime not null comment '更新时间', remark varchar(255) not null default '' comment '备注', primary key (id) ) comment='用户表'; drop table if exists tbl_user_login_log; create table tbl_user_login_log ( id int(11) unsigned not null auto_increment comment '自增主键', user_name varchar(50) not null comment '用户名', ip varchar(15) not null comment '登录ip', client tinyint(1) not null comment '登录端, 1:android, 2:ios, 3:pc, 4:h5', create_time datetime not null comment '创建时间', primary key (id) ) comment='登录日志'; insert into tbl_user(user_name,sex,create_time,update_time,remark) values ('何天香',1,now(), now(),'朗眉星目,一表人材'), ('薛沉香',0,now(), now(),'天星楼的总楼主薛摇红的女儿,也是天星楼的少总楼主,体态丰盈,乌发飘逸,指若春葱,袖臂如玉,风姿卓然,高贵典雅,人称“天星绝香”的武林第一大美女'), ('慕容兰娟',0,now(), now(),'武林东南西北四大世家之北世家慕容长明的独生女儿,生得玲珑剔透,粉雕玉琢,脾气却是刚烈无比,又喜着火红,所以人送绰号“火凤凰”,是除天星楼薛沉香之外的武林第二大美女'), ('苌婷',0,now(), now(),'当今皇上最宠爱的侄女,北王府的郡主,腰肢纤细,遍体罗绮,眉若墨画,唇点樱红;虽无沉香之雅重,兰娟之热烈,却别现出一种空灵'), ('柳含姻',0,now(), now(),'武林四绝之一的添愁仙子董婉婉的徒弟,体态窈窕,姿容秀丽,真个是秋水为神玉为骨,芙蓉如面柳如腰,眉若墨画,唇若点樱,不弱西子半分,更胜玉环一筹; 摇红楼、听雨轩,琵琶一曲值千金!'), ('李凝雪',0,now(), now(),'李相国的女儿,神采奕奕,英姿飒爽,爱憎分明'), ('周遗梦',0,now(), now(),'音神传人,湘妃竹琴的拥有者,云髻高盘,穿了一身黑色蝉翼纱衫,愈觉得冰肌玉骨,粉面樱唇,格外娇艳动人'), ('叶留痕',0,now(), now(),'圣域圣女,肤白如雪,白衣飘飘,宛如仙女一般,微笑中带着说不出的柔和之美'), ('郭疏影',0,now(), now(),'扬灰右使的徒弟,秀发细眉,玉肌丰滑,娇润脱俗'), ('钟钧天',0,now(), now(),'天界,玄天九部 - 钧天部的部主,超凡脱俗,仙气逼人'), ('王雁云',0,now(), now(),'尘缘山庄二小姐,刁蛮任性'), ('许侍霜',0,now(), now(),'药王谷谷主女儿,医术高明'), ('冯黯凝',0,now(), now(),'桃花门门主,娇艳如火,千娇百媚'); insert into tbl_user_login_log(user_name, ip, client, create_time) values ('薛沉香', '10.53.56.78',2, '2019-10-12 12:23:45'), ('苌婷', '10.53.56.78',2, '2019-10-12 22:23:45'), ('慕容兰娟', '10.53.56.12',1, '2018-08-12 22:23:45'), ('何天香', '10.53.56.12',1, '2019-10-19 10:23:45'), ('柳含姻', '198.11.132.198',2, '2018-05-12 22:23:45'), ('冯黯凝', '198.11.132.198',2, '2018-11-11 22:23:45'), ('周遗梦', '198.11.132.198',2, '2019-06-18 22:23:45'), ('郭疏影', '220.181.38.148',3, '2019-10-21 09:45:56'), ('薛沉香', '220.181.38.148',3, '2019-10-26 22:23:45'), ('苌婷', '104.69.160.60',4, '2019-10-12 10:23:45'), ('王雁云', '104.69.160.61',4, '2019-10-16 20:23:45'), ('李凝雪', '104.69.160.62',4, '2019-10-17 20:23:45'), ('许侍霜', '104.69.160.63',4, '2019-10-18 20:23:45'), ('叶留痕', '104.69.160.64',4, '2019-10-19 20:23:45'), ('王雁云', '104.69.160.65',4, '2019-10-20 20:23:45'), ('叶留痕', '104.69.160.66',4, '2019-10-21 20:23:45'); select * from tbl_user; select * from tbl_user_login_log;
单表查询
单表查询的过程比较好理解,大致如下
关于单表查询就不细讲了,主要涉及到:聚集索引,覆盖索引、回表操作,知道这 3 点,上图就好理解了(不知道的赶快去查资料,暴露了就丢人了!)。
联表算法
mysql 的联表算法是基于嵌套循环算法()而衍生出来的一系列算法,根据不同条件而选用不同的算法
在使用索引关联的情况下,有 index nested-loop join 和 batched key access join 两种算法; 在未使用索引关联的情况下,有 simple nested-loop join 和 block nested-loop join 两种算法;
simple nested-loop
简单嵌套循环,简称 snl;逐条逐条匹配,就像这样
for each row in t1 matching range { for each row in t2 matching reference key { for each row in t3 { if row satisfies join conditions, send to client } } }
这种算法简单粗暴,但毫无性能可言,时间性能上来说是 n(表中记录数) 的 m(表的数量) 次方,所以 mysql 做了优化,联表查询的时候不会出现这种算法,即使在无 where 条件且 on 的连接键上无索引时,也不会选用这种算法
block nested-loop
缓存块嵌套循环连接,简称 bnl,是对 inl 的一种优化;一次性缓存多条驱动表的数据,然后拿 join buffer 里的数据批量与内层循环读取的数据进行匹配,就像这样
for each row in t1 matching range { for each row in t2 matching reference key { store used columns from t1, t2 in join buffer if buffer is full { for each row in t3 { for each t1, t2 combination in join buffer { if row satisfies join conditions, send to client } } empty join buffer } } } if buffer is not empty { for each row in t3 { for each t1, t2 combination in join buffer { if row satisfies join conditions, send to client } } }
将内部循环中读取的每一行与缓冲区中的所有记录进行比较,这样就可以减少内层循环的读表次数。举个例子,如果没有 join buffer,驱动表有 30 条记录,被驱动表有 50 条记录,那么内层循环的读表次数应该是 30 * 50 = 1500,如果 join buffer 可用并可以以存 10 条记录,那么内层循环的读表次数应该是 30 / 10 * 50 = 150,被驱动表必须读取的次数减少了一个数量级。
当被驱动表在连接键上无索引且被驱动表在 where 过滤条件上也没索引时,常常会采用此种算法来完成联表,如下所示
index nested-loop
索引嵌套循环,简称 inl,是基于被驱动表的索引进行连接的算法;驱动表的记录逐条与被驱动表的索引进行匹配,避免和被驱动表的每条记录进行比较,减少了对被驱动表的匹配次数,大致流程如下图
我们来看看实际案例,先给 tbl_user_login_log 添加索引 alter table tbl_user_login_log add index idx_user_name (user_name); ,我们再来看联表执行计划
可以看到 tbl_user_login_log 的索引生效了,我们再往下看
有趣的事发生了,驱动表变成了 tbl_user_login_log ,而 tbl_user 成了被驱动表, tbl_user_login_log 走索引过滤后得到结果集,再通过 bnl 算法将结果集与 tbl_user 进行匹配。这其实是 mysql进行了优化,因为 tbl_user_login_log 走索引过滤后得到的结果集比 tbl_user 记录数要少,所以选择了 tbl_user_login_log 作为驱动表,后面的也就理所当然了,是不是感觉 mysql 好强大?
batched key access
批量key访问,简称 bka,是对 inl 算法的一种优化;
bka 对 inl 的优化类似于 bnl 对 snl 的优化,但又有不同; 鉴于篇幅原因,bka 我们放到下期讲解,希望各位老哥见谅!实在是不行,你来打我呀!
总结
1、驱动表的选择有它的一套算法,有兴趣的可以去专研下;比较靠谱的确定方法是用 explain
2、联表顺序,不是两两联合之后,再去联合第三张表,而是驱动表的一条记录穿到底,匹配完所有关联表之后,再取驱动表的下一条记录重复联表操作;
3、mysql 的连接算法基于嵌套循环算法,基于不同的情况而采用不同的衍生算法
4、关于 on 和 where,我们下篇详细讲解,大家可以先考虑下它们的区别,以及生效时间
参考
上一篇: Linux重要的服务讲述(1)